صورة من دالي 3 

5 الوجبات السريعة الرئيسية:

• الهيكل الأساسي لمخطط تصور البيانات
• استخدام Python Altair لإنشاء مخطط لتصور البيانات
• استخدام GitHub Copilot لتسريع إنشاء المخططات
• استخدام ChatGPT لإنشاء محتوى ذي صلة بالمخطط الخاص بك
• استخدام DALL-E لإضافة صور جذابة إلى المخطط الخاص بك

هل سئمت من قضاء ساعات في إنشاء مخططات بيانية مملة لتصور البيانات؟ استخدم قوة الذكاء الاصطناعي التوليدي لتحسين تصور بياناتك. في هذه المقالة، سنستكشف كيف يمكنك استخدام الذكاء الاصطناعي التوليدي لإثراء مخططك. سنستخدم أدوات متطورة مثل Python Altair وGitHub Copilot وChatGPT وDALL-E لتنفيذ مخططنا بدعم من الذكاء الاصطناعي التوليدي.

أولاً، دعونا ننفذ المخطط الأساسي باستخدام GitHub Copilot. بعد ذلك، نضيف التعليقات التوضيحية النصية (مثل العنوان) باستخدام ChatGPT. وأخيرا، سوف نقوم بإضافة الصور إلى الرسم البياني باستخدام DALL-E. كلغة برمجة، سوف نستخدم بايثون و بايثون ألتير مكتبة التصور.

سوف نغطي:

• تحديد حالة الاستخدام
• بناء مخطط أساسي: استخدام GitHub Copilot
• إضافة التعليقات التوضيحية: ChatGPT
• إضافة الصور: DALL-E.

وكحالة استخدام، سنرسم مخططًا يمثل نفقات البحث والتطوير حسب قطاعات الأداء باستخدام بيانات صادر عن يوروستات بموجب ترخيص البيانات المفتوحة. لتسهيل الوصول إلى العملية، سنستخدم نسخة مبسطة من بيانات، تم تحويله بالفعل إلى ملف CSV. ويبين الجدول التالي مقتطفًا من مجموعة البيانات:

تحتوي مجموعة البيانات على الأعمدة التالية:

• الوحدة – يتم دائمًا تعيين قيمة هذا العمود على النسبة المئوية للناتج المحلي الإجمالي (PC_GDP)
• sectperf - قطاعات الأداء. تتضمن القيم المحتملة: مؤسسة الأعمال (BES)؛ الحكومة (GOV) ؛ التعليم العالي (HES)؛ القطاع الخاص غير الربحي (PNP)، وTOTAL
• الجغرافيا - الدول الأوروبية
• 2010-2021 – قيمة الإنفاق للسنة المحددة.

في حالة محددة، دعونا نركز على BES في إيطاليا ونرسم مخططًا باستخدام Python Altair، وهي مكتبة تصور البيانات.

GitHub Copilot هي أداة ذكاء اصطناعي توليدية يمكنك استخدامها كمساعد أثناء كتابة التعليمات البرمجية الخاصة بك. في GitHub Copilot، يمكنك وصف تسلسل الإجراءات التي يجب أن يقوم برنامجك بتشغيلها، ويقوم GitHub Copilot بتحويلها إلى تعليمات برمجية قابلة للتشغيل بلغة البرمجة المفضلة لديك. تتكون القدرة على استخدام GitHub Copilot من تعلم كيفية وصف تسلسل الإجراءات.

تثبيت مساعد الطيار

قبل استخدام GitHub Copilot، يجب عليك أولاً إعداد نسخة تجريبية مجانية أو اشتراك لحساب GitHub الشخصي الخاص بك. إذا كنت معلمًا أو طالبًا، يمكنك إعداد خطة اشتراك مجانية على الرابط التالي: https://education.github.com/discount_requests/pack_application.

بمجرد تنشيط خطة الاشتراك، يمكنك تكوين برنامج Copilot كامتداد لـ كود الاستوديو المرئي (VSC)، محرر أكواد برمجية مجاني ومفتوح المصدر مصمم للمطورين لكتابة التعليمات البرمجية وتصحيح الأخطاء.

اتبع الخطوات الموضحة أدناه لتكوين VSC مع Copilot:

• تحميل VSC من موقعه الرسمي: https://visualstudio.microsoft.com/it/downloads/
• افتح Visual Studio وانتقل إلى علامة التبويب "الملحقات".
• قم بتنزيل ملحق GitHub Copilot وتثبيته، ثم حدد الاتصال بحسابك من لوحة المعلومات.
• أدخل بيانات اعتماد جيثب الخاصة بك.
• بمجرد تسجيل الدخول، سيكتشف الامتداد المستودعات الموجودة ويوفر خيارات لتكوين المشاريع الجديدة.

استخدام Copilot كمساعد رمز

باستخدام Copilot، لنقم بإنشاء المخطط الأساسي لتصورنا. لبناء المخطط، نقوم بخطوتين:

• تحميل البيانات ومعالجتها مسبقًا - قم بتحميل مجموعة البيانات كإطار بيانات Pandas، وقم بإسقاط الأعمدة غير الضرورية، وحدد الصفوف المرتبطة بإيطاليا فقط، واستخدم Pandas Melt() لتحويل الأعمدة المتعلقة بالفترة 2010-2021 إلى صفوف.
• أنشئ المخطط كمخطط خطي.

لنبدأ بالخطوة الأولى، تحميل البيانات ومعالجتها مسبقًا. اكتب التعليمات التالية لمساعد الطيار:

اضغط على زر ENTER الموجود على لوحة المفاتيح، وسيبدأ Copilot في إنشاء الكود المطابق للتعليمات المكتوبة. يعرض مقتطف الكود التالي المخرجات المحتملة التي ينتجها Copilot:

import pandas as pd
import altair as alt

df = pd.read_csv('tsc00001.csv')
df = df.drop(columns=['unit'])
df = df[df['geo'] == 'IT']
df = df.drop(columns=['geo'])
df = pd.melt(df, id_vars=['sectperf'], var_name='date', value_name='value')
df['date'] = df['date'].astype(int)
df['value'] = df['value'].astype(float)

تذكر أن Copilot هو نموذج توليدي، وبالتالي فإن الإخراج الناتج في حالتك يمكن أن يكون مختلفًا عن النموذج السابق.

الآن، دعونا نتابع التعليمات لإنشاء المخطط. اكتب التعليمات التالية لمساعد الطيار:

سيقوم Copilot بإنتاج كود Python مشابه لمقتطف الكود الموضح أدناه:

chart = alt.Chart(df).mark_line().encode(
    x='date:O',
    y='value',
    color='sectperf'
)

chart.save('chart.html')

احفظ البرنامج النصي، وقم بتشغيله من سطر الأوامر. كمخرج، ينتج البرنامج النصي ملف HTML يسمى Chart.html. افتحه باستخدام المتصفح المفضل لديك. ويوضح الشكل التالي الرسم البياني المنتج:

الآن بعد أن قمت بإنشاء المخطط الأساسي، يمكنك تحسينه يدويًا أو باستخدام Copilot. على سبيل المثال، يمكنك أن تطلب من Copilot إنشاء التعليمات البرمجية لزيادة عرض الحد لـ BES. أضف فاصلة بعد خط اللون، وابدأ بكتابة التعليمات كما هو موضح أدناه:

اضغط على ENTER وانتظر حتى يقوم Copilot بكتابة الرمز لك. يعرض مقتطف الكود التالي المخرجات المحتملة التي تم إنشاؤها بواسطة Copilot:

strokeWidth=alt.condition(
        alt.datum.sectperf == 'BES',
        alt.value(5),
        alt.value(1)
    )

ويوضح الشكل التالي الرسم البياني المحسن:

يمكنك تحسين المخطط بشكل أكبر من خلال مطالبة Copilot بتدوير تسميات X وتعيين العنوان وما إلى ذلك. يمكنك معرفة المزيد من التفاصيل حول كيفية تحسين الرسم البياني الخاص بك في [1]. يوضح الشكل التالي النسخة المنقحة من المخطط. يمكنك العثور على الكود الكامل على  الرابط التالي.

بمجرد أن يصبح المخطط الأساسي جاهزًا، يمكننا المتابعة إلى الخطوة التالية، باستخدام ChatGPT لتعيين عنوان المخطط.

إضافة التعليقات التوضيحية: ChatGPT

ChatGPT هو نموذج لغة متقدم تم تطويره بواسطة OpenAI. وهو مصمم للمشاركة في محادثات شبيهة بالإنسان وتقديم استجابات ذكية. يمكننا استخدام ChatGPT لإنشاء نص لمخططنا، بما في ذلك العنوان والتعليقات التوضيحية.

لاستخدام ChatGPT، انتقل إلى https://chat.openai.com/، قم بتسجيل الدخول إلى حسابك، أو قم بإنشاء حساب جديد، وابدأ في كتابة المطالبات الخاصة بك في مربع نص الإدخال مثل الدردشة المباشرة. عندما تريد بدء موضوع جديد، قم بإنشاء جلسة دردشة جديدة من خلال النقر على الزر الموجود أعلى اليسار "دردشة جديدة".

توفر واجهة الويب أيضًا حسابًا مدفوعًا يوفر بعض الميزات الإضافية، مثل إمكانية استخدام النماذج المتقدمة، ومجموعة من الوظائف الإضافية، مثل دعم الأولوية، وخيارات التخصيص الموسعة، والوصول الحصري إلى ميزات وتحديثات بيتا. .

للتفاعل مع ChatGPT، اكتب نص إدخال (مطالبة) يحدد التعليمات التي سيتم تنفيذها. توجد طرق مختلفة لتنظيم موجه لـ ChatGPT. ونتناول في هذا المقال موجها مؤلفا من ثلاثة نصوص رئيسية متتالية:

• إخبار ChatGPT بالتصرف في [دور] محدد - على سبيل المثال، "أنت ممتحن ينظر إلى أوراق اللغة الإنجليزية لطلاب المدارس الثانوية."
• مطالبة ChapGPT بتخصيص مخرجاته لـ [الجمهور] المقصود - على سبيل المثال "اشرح درجاتك بطريقة يمكن أن يفهمها طلاب المدارس الثانوية".
• حدد [المهمة] - على سبيل المثال، "ضع علامة على هذا النص واشرح أسبابك".

في مثالنا، يمكننا صياغة الموجه على النحو التالي:

العمل كمحلل بيانات يرغب في التواصل مع صناع القرار. أنشئ 5 عناوين للموضوع التالي: رسم بياني يوضح قطاعات الأداء من 2010 إلى 2021. تشمل قطاعات الأداء مؤسسات الأعمال (BES)؛ الحكومة (GOV) ؛ التعليم العالي (HES)؛ والخاصة غير الربحية (PNP). أنت تريد التركيز على BES، الذي يتمتع بأعلى القيم بمرور الوقت.

يقوم ChatGPT بإنشاء خمسة عناوين، كما هو موضح في الشكل التالي:

إذا قمت بتشغيل نفس المطالبة مرة أخرى، فسيقوم ChatGPT بإنشاء خمسة عناوين أخرى. على سبيل المثال، يمكننا اختيار العنوان الأول، قيادة النمو: عقد من هيمنة أداء مؤسسات الأعمال (2010-2021)، وتعيينه كعنوان لمخططنا:

chart = alt.Chart(df).mark_line().encode(
   …
).properties(
    width=600,
    height=400,
    title=['Driving Growth:',
        'A Decade of Business Enterprise Performance Dominance (2010-2021)']
)

ويوضح الشكل التالي الرسم البياني الناتج:

الرسم البياني جاهز تقريبًا. لتحسين إمكانية قراءة المخطط الخاص بنا وإشراك جمهورنا عاطفيًا، يمكننا إضافة صورة.

إضافة الصور: DALL-E

DALL-E هو نموذج ذكاء اصطناعي توليدي تم إنشاؤه بواسطة OpenAI. فهو يجمع بين قوة GPT-3 وإمكانيات توليد الصور، مما يسمح له بإنشاء صور واقعية من الأوصاف النصية. لاستخدام DALL-E، يجب عليك إعداد حساب على افتح موقع الذكاء الاصطناعي وشراء بعض الاعتمادات.

توجد طرق مختلفة لتنظيم موجه لـ DALL-E. في هذه المقالة نتناول موجه مكون من:

• [موضوع]
• [أسلوب].

في حالتنا، يمكننا إنشاء صورة عامة بالموضوع التالي: أيقونة بالأبيض والأسود تمثل نفقات البحث والتطوير.

يوضح الشكل التالي المخرجات المحتملة التي تم إنشاؤها بواسطة DALL-E:

لنختار الصورة الثالثة ونضيفها إلى المخطط، كما هو موضح في مقتطف الكود التالي:

df_red = pd.DataFrame({'url': ['red.png']})

red = alt.Chart(df_red).mark_image(
    align='center',
    baseline='top',
    width=300,
    height=300
).encode(
    url='url'
)

chart = (red | chart + text)

لعرض الصورة في المخطط، يجب عليك تشغيلها في خادم الويب. قم بتشغيل أمر Python التالي من الدليل الذي يحتوي على ملف HTML لتشغيل خادم ويب بسيط: python3 -m http.server، ثم أشر إلى localhost:8000/chart.html. يجب أن تشاهد مخططًا مشابهًا لما يلي:

يمكنك تخصيص المخطط الخاص بك كما تفضل. على سبيل المثال، يمكنك إنشاء رمز لكل قطاع أداء.

تهانينا! لقد تعلمت للتو كيفية استخدام أدوات الذكاء الاصطناعي التوليدية لتمكين مخططات تصور البيانات الخاصة بك!

• أولاً، اكتب مخططك الأساسي باستخدام GitHub Copilot.
• بعد ذلك، استخدم ChatGPT لإنشاء أوصاف نصية لمخططك، مثل العنوان والتعليقات التوضيحية.
• أخيرًا، استخدم DALL-E لإنشاء صور لتضمينها في المخطط الخاص بك لتحسين إمكانية القراءة وإشراك الجمهور.

يمكنك تنزيل الكود الكامل الموضح في هذا المثال من هذا مستودع جيثب. بالإضافة إلى ذلك، يمكنك العثور على مزيد من التفاصيل حول كيفية استخدام الذكاء الاصطناعي التوليدي في سرد ​​البيانات في [1].

مراجع حسابات

[1] أ. لو دوكا.سرد قصص البيانات باستخدام الذكاء الاصطناعي التوليدي باستخدام Python وAltair. منشورات مانينغ.

[2] أ. لو دوكا. استخدام Python Altair لسرد قصص البيانات. شركة تعليمية

انجليكا لو دوكا (متوسط) (@alod83) باحث في معهد المعلوماتية والتليماتية التابع للمجلس القومي للبحوث (IIT-CNR) في بيزا، إيطاليا. وهي أستاذة في "صحافة البيانات" لدورة الماجستير في العلوم الإنسانية الرقمية في جامعة بيزا. تشمل اهتماماتها البحثية علوم البيانات، وتحليل البيانات، وتحليل النصوص، والبيانات المفتوحة، وتطبيقات الويب، وهندسة البيانات، وصحافة البيانات، المطبقة على المجتمع والسياحة والتراث الثقافي. وهي مؤلفة كتاب Comet for Data Science، الذي نشرته شركة Packt Ltd.، والكتاب القادم Data Storytelling in Python Altair and Geneative AI، الذي نشرته مانينغ، وشاركت في تأليف الكتاب القادم Learning and Operating Presto، من تأليف O. "رايلي ميديا. أنجليكا هي أيضًا كاتبة تقنية متحمسة.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.kdnuggets.com/how-generative-ai-can-help-you-improve-your-data-visualization-charts?utm_source=rss&utm_medium=rss&utm_campaign=how-generative-ai-can-help-you-improve-your-data-visualization-charts